基于深度学习的大坝裂缝检测方法研究 |
| |
作者姓名: | 王泽矫 张起睿 方冬冬 王新鹏 |
| |
作者单位: | 甘肃省水利水电勘测设计研究院有限责任公司,甘肃兰州730000;澳门城市大学,澳门999078;广东省广州市城市规划勘测设计研究院,广东广州510000;贵州大学矿业学院,贵州贵阳550025 |
| |
摘 要: | 大坝裂缝的智能化实时监测,对管控大坝风险具有重要意义。文章提出了一种基于深度学习的大坝裂缝检测方法,采用了基于SegNet的网络模型,对原网络模型算法进行了优化,使用权值衰减正则化方法及动量优化算法提高网络学习性能。为验证该方法的有效性,构建了标准的大坝裂缝数据集,利用网络模型对训练集数据进行特征学习,采用测试集数据对训练好的网络进行测试,并对测试结果进行定性和定量分析,实验证明使用该方法进行大坝裂缝检测具有较高的效率和精度。
|
关 键 词: | 深度学习 大坝裂缝检测 数据集 特征计算 |
本文献已被 万方数据 等数据库收录! |
|